CN107547916A - 播放列表推荐方法及装置 - Google Patents

Abstract

本发明提供了一种播放列表推荐方法及装置，其中，该方法包括：通过机顶盒获取用户观看节目的行为数据；根据该行为数据生成推荐节目播放列表；显示该推荐节目播放列表，解决了相关技术中不能根据用户的个人爱好为机顶盒节目智能推荐播放节目的问题，提高了用户体验。

Description

播放列表推荐方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及播放列表推荐方法及装置。

背景技术

随着通信技术的发展，多媒体技术的应用也越来越广泛。云计算，云存储和大数据分析技术也逐步的成熟和商用化，根据用户的行为数据了解用户的需求。同时制定出有针对性的服务和产品方案，并将这些服务甚至更多的新产品有针对性的卖给客户将成为未来大数据商业化运作的趋势之一。目前大数据也在社交网络(如Facebook)，电子商务(如亚马孙)等领域已经开始逐步的推广和使用。

机顶盒作为数字家庭的重要消费终端之一，已经大规模的普及和应用。而机顶盒在数字家庭中充当着影音娱乐引擎的重要角色，节目点播，直播和其他交互***将成为机顶盒商业潜力挖掘的一大亮点。如何挖掘出机顶盒端的用户性格，爱好，需求进而为机顶盒用户提供精准，个性化，高效的产品和服务成为机顶盒领域中的一个重要需求。

针对相关技术中不能根据用户的个人爱好为机顶盒节目智能推荐播放节目的问题，还未提出有效的解决方案。

发明内容

本发明实施例提供了播放列表推荐方法及装置，以至少解决不能根据用户的个人爱好为机顶盒节目智能推荐播放节目的问题。

根据本发明的一个实施例，提供了一种播放列表推荐方法，包括：通过机顶盒获取用户观看节目的行为数据；根据所述行为数据生成推荐节目播放列表；显示所述推荐节目播放列表。

优选地，在通过机顶盒获取用户观看节目的行为数据之后，所述方法还包括：将所述行为数据存储到云服务器上。

优选地，根据所述行为数据生成推荐节目播放列表包括：根据不同的时间段根据所述行为数据生成不同的推荐节目播放列表。

优选地，根据所述行为数据生成推荐节目播放列表包括：根据所述行为数据的属性从包含所有数据的库中搜索与所述行为数据的属性相关的对象；按照预定的规则过滤，剩下的为所述推荐节目播放列表。

优选地，显示推荐节目播放列表包括：对用户的权限进行认证；在通过认证的情况下，显示所述推荐节目播放列表。

优选地，所述行为数据包括以下至少之一：页面浏览记录，播放，快进，暂停，调节音量，循环播放，搜索次数，对节目的评论打分。

本发明实施例的另一方面，还提供了一种播放列表推荐装置，包括：获取模块，用于通过机顶盒获取用户观看节目的行为数据；生成模块，用于根据所述行为数据生成推荐节目播放列表；显示模块，用于显示所述推荐节目播放列表。

优选地，所述装置还包括：

存储模块，用于将所述行为数据存储到云服务器上。

优选地，所述生成模块包括：生成单元，用于根据不同的时间段根据所述行为数据生成不同的推荐节目播放列表。

优选地，所述生成模块包括：搜索单元，用于根据所述行为数据的属性从包含所有数据的库中搜索与所述行为数据的属性相关的对象；过滤单元，用于按照预定的规则过滤，剩下的为所述推荐节目播放列表。

通过本发明，通过机顶盒获取用户观看节目的行为数据；根据所述行为数据生成推荐节目播放列表；显示所述推荐节目播放列表，解决了相关技术中不能根据用户的个人爱好为机顶盒节目智能推荐播放节目的问题，提高了用户体验。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一 部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的播放列表推荐方法的流程图；

图2是根据本发明实施例的播放列表推荐装置的流程图；

图3是根据本发明优选实施例的播放列表推荐装置的流程图一；

图4是根据本发明优选实施例的播放列表推荐装置的流程图二；

图5是根据本发明优选实施例的播放列表推荐装置的流程图三；

图6是根据本发明实施例的为用户推荐播放节目列表的流程图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在本实施例中提供了一种播放列表推荐方法，图1是根据本发明实施例的播放列表推荐方法的流程图，如图1所示，该流程包括如下步骤：

步骤S102，通过机顶盒获取用户观看节目的行为数据；

步骤S104，根据该行为数据生成推荐节目播放列表；

步骤S106，显示该推荐节目播放列表。

通过上述步骤，通过机顶盒获取用户观看节目的行为数据；根据该行为数据生成推荐节目播放列表；显示该推荐节目播放列表，解决了相关技术中不能根据用户的个人爱好为机顶盒节目智能推荐播放节目的问题，提高了用户体验。

优选地，在通过机顶盒获取用户观看节目的行为数据之后，该方法还包括：将该行为数据存储到云服务器上。

为了进一步提高用户的体验，可以根据不同的时间段根据该行为数据生成不同的推荐节目播放列表。

在一个可选的实施例中，根据该行为数据生成推荐节目播放列表可以包括：根据该行为数据的属性从包含所有数据的库中搜索与该行为数据的属性相关的对象；按照预定的规则过滤，剩下的为该推荐节目播放列表。

为了针对不同的客户实现个性化的显示，可以对用户的权限进行认证；在通过认证的情况下，显示该推荐节目播放列表。

优选地，该行为数据可以包括以下至少之一：页面浏览记录，播放，快进，暂停，调节音量，循环播放，搜索次数，对节目的评论打分。

本发明实施例还提供了一种播放列表推荐装置，图2是根据本发明实施例的播放列表推荐装置的流程图，如图2所示，包括：

获取模块22，用于通过机顶盒获取用户观看节目的行为数据；

生成模块24，用于根据该行为数据生成推荐节目播放列表；

显示模块26，用于显示该推荐节目播放列表。

图3是根据本发明优选实施例的播放列表推荐装置的流程图一，如图3所示，该装置还包括：

存储模块32，用于将该行为数据存储到云服务器上。

图4是根据本发明优选实施例的播放列表推荐装置的流程图二，如图4所示，生成模块24包括：

生成单元42，用于根据不同的时间段根据该行为数据生成不同的推荐节目播放列表。

图5是根据本发明优选实施例的播放列表推荐装置的流程图三，如图5所示，生成模块24包括：

搜索单元52，用于根据该行为数据的属性从包含所有数据的库中搜索与该行为数据的属性相关的对象；

过滤单元54，用于按照预定的规则过滤，剩下的为该推荐节目播放列 表。

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：

步骤S1，通过机顶盒获取用户观看节目的行为数据；

步骤S2，根据该行为数据生成推荐节目播放列表；

步骤S3，显示该推荐节目播放列表。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

可选地，在本实施例中，处理器根据存储介质中已存储的程序代码执行上述步骤S1、S2以及S3。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

本发明实施例借助于当时互联网的大数据技术，挖掘用户端机顶盒的用户行为习惯，兴趣爱好，潜在需要，实现对机顶盒端的用户进行精准，个性化，高效的节目及产品的推荐。

为了对机顶盒端的用户进行精准，个性化，高效的节目及产品推荐，图6是根据本发明实施例的为用户推荐播放节目列表的流程图，如图6所示，主要完成以下内容：

步骤S602-S604，大数据的获取，大数据可以通过两种途径获取：

1、通过对机顶盒用户的行为数据进行抓获(如页面浏览记录，播放，快进，暂停，调节音量，循环播放，搜索次数，评论打分等)，并存储到后台的云服务器上，形成一个庞大的消费者数据库。

2、通过第三方的搜索公司或视频网站共享消费者行为数据。

他们所积累的大数据***，除了可以提供传统的节目热度排行，节目 分类整理，更多是能提供用户的观看节目的行为习惯。

步骤S606，大数据的处理，大数据的特点是：规模大，数据种类多，数据处理速度快，数据密度低，而目前的云储存，云计算，数据挖掘计算可以完成。传统推荐选择热门推荐作为基准算法的原因也很明显，用户总是倾向于大家都喜欢的节目。但是，热门推荐是个性化推荐的反义词，它为每一个用户生成的结果千篇一律。因而，我们的目标就是找到一个比热门推荐更好的个性化排序算法，以满足不同用户的不同口味。即个性化的推荐算法，在合适的时间，对合适的用户，推荐合适的节目或服务。这一类的机器学习和数据挖掘的算法比较多，如奈飞公司的cinematch算法。

步骤S608-S610，节目或其他服务的推荐。

推荐的基本的实现思想：根据操作收集对象的属性，根据已收集的属性为条件，从包含所有数据的库中搜索与之相关的对象，按照一定的规则过滤，剩下的向用户推荐。

1)根据特定用户推荐用户感兴趣的节目。

如果当前用户A是一个美剧粉丝，且喜欢动作片，该用户的页面可能推荐的是《越狱4》《神盾局特工》《美国谍梦》《绿箭侠》等类似的剧片。

具体实现：

后台服务器对资源进行分类，分别建立不同的集合Class。地区集合：美剧类Aa_Class,韩剧Ba_Class,日剧Ja_Class,中国台湾剧Ta_class,香港剧Ha_Class，内地剧Ca_Class；类型集合：历史类Ht_Class,乡村Ct_Class,偶像剧Lt_Class；探险类：Adt_Class,动作类：Action_Class。励志类：inspir_Class；

同理可以建立按年代分的集合，按演员分的集合。

通过抓获用户的点击量，评分，建立用户的行为相关系数。

***建立用户和资源映射的系数。地区系数：美剧系数Acoff,韩剧系数Bcoff，日剧系数:Jcoff,中国台湾剧系数Tcoff，内地剧Ccoff:港剧系数Hcoffee； 同理按类型，按演员，按年代等也建立相应的系数。用户在每点击一次节目时，对应的系数都会做一次递增。如点击一次《大秦帝国》，内地剧系数Ccoff,历史剧系数Hcoff,年代系数2013coff都会加1，点击次数越多，相关系数越大。

根据相关系数大小，匹配相关资源类，再从相关的资源中拿出一个相关节目。

相关系数(coff)为0不推荐。

相关系数(coff)大的节目推荐优先，按相关系数大小进行排序。

简单按相关系数推荐出来的节目比较粗放，不一定能精确满足用户的爱好

如果要更加准确推荐节目，采用递归筛选法：

N个推荐系数

如：先按地域筛选出大陆剧，再在大陆剧的基础上推荐筛选出大陆历 史剧，再在大陆历史剧的基础上选择战争。这样就能推荐给用户推荐类似如《大秦帝国》《楚汉风云》等。

2)在特殊的节目，根据用户的兴趣，在提供完整节目同时，也可以推荐特殊的节目片段。

通过用户观看节目的历史数据，分析出用户的兴趣类型。

从行为相关系数来分析。

从偶像剧系数Lcoff，动作剧系数ActionCoff，探险类系数Acoff,励志系数：spira系数等判断用户是偶像剧偏好型还是动作类偏好型，还是冒险类偏好型，还是励志类偏好型，这样可以某个片源符合该该特征的片段截取下来，推荐给用户选择。

因为这些片段用户可能会更感兴趣，甚至会反复重播回味

如：在《越狱》中可以将节目中最精彩的对话(经典台词部分)，精彩的动作，感人的画面(如离别画面),剪切成小的片段，推荐给用户选择点播。吸引用户去点播。

3)根据不同的时间段为用户推荐不同节目。

用户在一周7天，一天的24个小时，其时间充裕度不同，决定他选择的节目类不同。

将节目根据时长对节目进行分类：

连续播放类：如连续剧S_Class；90分钟节目类：电影Film_Class，综艺片Z_Class；30分钟以内的节目：如微电影Minfilm_Class,新闻视频News_Class。

根据一周每天用户在线的时间记录用户一周在线时间：T1,T2,T3,T4,T5,T6,T7；

根据Tn大小推荐对应的节目类。如Tn大于2小时，推荐连续剧和电影。如果Tn小于2个小时且大于半个小时，推荐电影，综艺片，微电影，新闻视频。如Tn小于一个小时，仅推荐综艺片，微电影，新闻视频，如 Tn小于30分钟，仅仅推荐微电影和新闻视频。

如：如周一周二，周四晚上，晚上回家晚，只想看看微电影，新闻视频等。而周三晚上，周五晚上，下班回家的早，想看看《解码财商》《财经郎眼》《非你莫属》之类的节目。周末晚上想看看完整的电影，电视剧。该***都能根据时间段和个人兴趣精准推荐节目。

4)用户识别。

个性化是针对每一个家庭，而每一个家庭的不同成员很有可能兴趣不一致，我们要为“爸爸“，”妈妈“，”小孩“或者整个家庭来做推荐。推荐***可以设置一个子账号，对子账号来完成用户的识别进而进入不同角色的页面***。

通过本发明实施例，在流媒体平台上基于大数据平台的数据进行分析处理，深度挖掘进而最大程度的发现机顶盒端用户的行为习惯，兴趣爱好，潜在需求等，进而对机顶盒端的用户进行精准，个性化，高效的节目或增值产品的推荐。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种播放列表推荐方法，其特征在于，包括：

通过机顶盒获取用户观看节目的行为数据；

根据所述行为数据生成推荐节目播放列表；

显示所述推荐节目播放列表。

2.根据权利要求1所述的方法，其特征在于，在通过机顶盒获取用户观看节目的行为数据之后，所述方法还包括：

将所述行为数据存储到云服务器上。

3.根据权利要求1所述的方法，其特征在于，根据所述行为数据生成推荐节目播放列表包括：

根据不同的时间段根据所述行为数据生成不同的推荐节目播放列表。

4.根据权利要求1所述的方法，其特征在于，根据所述行为数据生成推荐节目播放列表包括：

根据所述行为数据的属性从包含所有数据的库中搜索与所述行为数据的属性相关的对象；

按照预定的规则过滤，剩下的为所述推荐节目播放列表。

5.根据权利要求1所述的方法，其特征在于，显示推荐节目播放列表包括：

对用户的权限进行认证；

在通过认证的情况下，显示所述推荐节目播放列表。

6.根据权利要求1至5中任一项所述的方法，其特征在于，

所述行为数据包括以下至少之一：页面浏览记录，播放，快进，暂停，调节音量，循环播放，搜索次数，对节目的评论打分。

7.一种播放列表推荐装置，其特征在于，包括：

获取模块，用于通过机顶盒获取用户观看节目的行为数据；

生成模块，用于根据所述行为数据生成推荐节目播放列表；

显示模块，用于显示所述推荐节目播放列表。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

存储模块，用于将所述行为数据存储到云服务器上。

9.根据权利要求7所述的装置，其特征在于，所述生成模块包括：

生成单元，用于根据不同的时间段根据所述行为数据生成不同的推荐节目播放列表。

10.根据权利要求7所述的装置，其特征在于，所述生成模块包括：

搜索单元，用于根据所述行为数据的属性从包含所有数据的库中搜索与所述行为数据的属性相关的对象；

过滤单元，用于按照预定的规则过滤，剩下的为所述推荐节目播放列表。